python城市提取_数据提取：使用python提取中文地址描述中的省市区信息

在一次建模比赛中，我手头里的原始数据中有一个“地址描述”地段，如下：

这样的地址描述字段过于随意，很难使用，但是看这些字符串的样子似乎又可以提取出其所在的省、市和区。

即使只能够提取出区或者市，如果我们有一个省、市和区的归属数据库的话，应该也能够将剩下的信息映射出来。

如果自己写的话肯定很麻烦，还要去网上找数据库，于是我做了一个可以复用的python模块，一条命令就可以将上面的“地址描述”字段转换成如下的样子：

准备

模块安装：目前支持python3

pip install cpca

更详细的模块介绍见Github上的README

分词模式

本模块中最主要的方法是cpca.transform，该方法可以输入任意的可迭代类型(如list，pandas的Series类型等)，然后将其转换为一个DataFrame，下面演示一个最为简单的使用方法：

location_str = ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", "朝阳区北苑华贸城"]

import cpca

df = cpca.transform(location_str)

df

输出的结果为：

省 市 区 地址

0 上海市 上海市 徐汇区 虹漕路461号58号楼5楼

1 福建省 泉州市 洛江区 万安塘西工业区